黄仁勋：IT部门未来将成为数字劳动力的人力资源部门-中国教育和科研计算机网CERNET

　　Arthur Mensch：AI是一种通用技术，它基本上改变了人类开发软件和使用机器的方式，就像互联网是一种通用技术一样，AI同样也是。它能创建各种帮助人类干活的Agent，并应用于各个垂直行业，如公共服务、农业、工业等涵盖国家发展需要关注的各个方面。相信每个国家都会重视AI，制定专门的AI发展战略。

　　黄仁勋：我很赞同Arthur的观点，但其中也有一些容易给人们造成误解的地方。如果认为AI是一种通用技术，而且只由一家公司就能构建这种终极通用技术，那其他人为什么还要费力去做呢？这种情况会误导大家，让人觉得AI技术只能由少数人来开发，其他人只要坐等成果就行。我建议每个人都参与到人工智能的发展中来。人工智能不是某些人的专属，不应该只由世界上的少数几家公司来开发，每个人都应该参与进来。

　　Arthur Mensch：人工智能不仅是一种通用技术，还承载着一种文化。发展人工智能需要一些基础设施，像芯片、能源中心，显然不是每个国家都有的。我认为一些通用模型，比如基础模型、网络压缩技术等最终可能会开源，为构建专业系统提供良好基础，除此之外，各个组织、企业和国家都得根据自身需求去建设。要让人工智能发挥作用，一种方法是采用开源模型，把特定的知识融入开源模型中，构建为自己服务的AI系统。这样逐步推进，AI系统就会变得更准确，更能满足当地用户或企业的使用需求。

　　因此，需要垂直领域专家、文化专家，或者关注国家发展议程的人与科技公司合作，这些科技公司提供开源基础设施。人工智能是一种横向发展技术，想从中获益，就需要与供应商和垂直领域专家合作。

　　主持人：与历史上的通用技术浪潮相比，人工智能有何不同？应该把人工智能当成数字劳动力吗？

　　Arthur Mensch：从经济角度看，人工智能和电力技术有相似之处，未来几年，它将对每个国家的GDP产生两位数的影响。每个国家都应引起重视，如果无法建立起相应的AI基础设施，具备应用AI的能力，资金可能会流向其他国家，从而影响全球经济平衡。就像电力技术，100年前如果哪个国家没有建造发电厂，就需要从邻国购买，产生依赖后经济就很危险。

　　但人工智能技术与电力技术也有不同之处。首先，它是一种无形的技术，如果想利用它创造数字劳动力，就需要不断塑造它，这个过程就需要基础设施、人才和软件，而且需要本地人才。因为与电力技术相比，人工智能还涉及内容生产，Agent可以生成文本、图像、语音，与人互动。当AI生产内容并与社会互动时，它就有了社会属性，承载企业或国家的文化与价值观。如果不想让这些价值观消失，不想依赖单一的中央供应商，就需要更深入地参与人工智能的发展。

　　黄仁勋：我想没有哪个国家愿意将数字智能外包给第三方，一个国家的数字智能现在就是新的基础设施，和电信、交通、电力一样。国家要考虑清楚如何发展数字智能，是选择外包，从此不用操心数字智能的一切，还是积极参与，控制和塑造人工智能，把它打造成国家基础设施的一部分。

　　还有另外一种思考方式是，把人工智能当成数字劳动力，思考是将数字劳动力外包，直接从外面引进，还是积极参与、培养自己的数字劳动力。在这两种情况下，人工智能都有助于经济发展、社会进步和文化建设，国家需要在其中发挥积极作用。

　　人工智能确实是通用技术，但关键是国家和企业如何塑造它。我们都知道各种数据都是属于国家的，数字化出现之前我们有很多数据没有进入互联网，比如历史文献、记录在纸上的资料等，把这些资源数字化并对社会开放，肯定给研究人员或者普通人带来了好处。人工智能也一样，国家有责任去推动它的发展，让人工智能技术也可以造福社会。

　　二、AI基础设施建设不要“外包”

　　主持人：如果我理解了人工智能基础设施和主权AI的重要性，我是否必须掌控这项技术的每个部分？

　　Arthur Mensch：刚才提到的数字劳动力类比很恰当，我们需要为人工智能劳动力搭建一个入职平台。这意味着要能定制模型，把本国知识注入模型中，这样模型就能更好地理解本国语言和文化。还要让模型熟悉本国的法律，这样在部署人工智能软件时，安全护栏更清晰。这个入职平台需要具备定制、引导、评估等功能，一旦发现需要改进的地方，就要及时修复和调试。

　　黄仁勋：IT部门将成为数字劳动力的人力资源部门，对AI员工进行入职管理、微调安全护栏、进行评估和持续改进。以后我们会有生物劳动力和数字劳动力，这太棒了。将来IT部门对我们公司来说可能更重要，帮助我们管理数字劳动力，在其他国家和公司估计也会如此。Arthur描述的那种情况，就是利用通用技术，对它进行精细调整，使其成为垂直领域的专家，这在未来的人工智能发展中会越来越重要。

　　主持人：你们刚才讨论了很多“软性”的概念，比如文化，和计算、存储、网络等不太一样。

　　黄仁勋：像算法、法律这些领域规则更明确，我们刚才讨论的定制模型需要注入的当地文化是一个更“软”的概念，没有明确的规则。

　　Arthur Mensch：要想把个人风格和知识这样的要素融入人工智能系统，肯定不会用严格的规则来执行，而是通过持续的模型训练来达到目的。以图书馆为例，把地区用户的使用偏好提炼出来融入模型中，就有了一套能满足用户使用需求的调用流程。如果在公司，有一套需要严格执行的政策，通常的做法是把模型和这些严格的规则联系起来，每次模型给出答案就是在验证是否与规则相符。所以这实际上是两件事：一方面，以一种较“软”的方式把知识融入模型中；另一方面，确保能严格执行一定数量的规则，保证100%的准确性。

　　黄仁勋：文化偏好和个人偏好是多维的，有很多特性可以定义我的偏好，人工智能需要识别这些特性。如果让Python或者C++语言把这些偏好都描述出来，得写多少规则，而人工智能有能力识别这些多维的特性，它带来了一种新的编程模式，可以处理生活中的模糊性。

　　主持人：听起来人工智能不仅是计算基础设施，也是一种文化基础设施。

　　黄仁勋：是的。我们刚才讨论了人工智能模型是如何对不同的问题做出不同的反应，因为我们将公司的服务价值观植入了AI模型中。

　　Arthur Mensch：这是通用人工智能模型的局限性，有人觉得可以将一些普世价值观和通用专业知识编码到通用模型中，但在某些时候，当需要了解特定群体的偏好和期望时，只能通过软性和硬性的方式对通用模型进行专业化调整。这一步不管是国家还是企业，都不是可以外包的工作，必须自己掌控。

　　主持人：对于大国和小国，在考虑人工智能技术时，包括芯片、计算、数据中心、模型、应用时，有什么不同的建议吗？

　　Arthur Mensch：不管是大国还是小国，都需要基础设施、推理语言以及把规则和模型连接起来、把模型和实时信息源连接起来的能力。有了这些之后，就可以根据自己的价值观、专业知识，借助本地人才来构建人工智能系统。不同之处在于，对于小企业或小国家来说，要弄清楚哪些是可以购买的部分，哪些是需要自己构建的部分。

　　黄仁勋：这并不像你想象得那么难，因为技术在不断进步。五年前做这些几乎是不可能的，但五年后可能就变得很容易了，我们现在正处于中间位置，唯一需要明确的问题就是必须做对的事情。实际上我讨厌做员工入职培训，因为需要投入很多，但人力资源组织和工作指导体系一旦建立起来，对公司和员工个人发展都有好处。任何新事物的发展起步都不容易，但如果你想在未来的市场中占有一席之地，就必须尽快行动起来。

　　在我们这个时代，数字智能的价值会有多大想必大家都清楚，如果你相信它很重要，就必须尽快参与其中，边做边学，它会变得越来越容易。技术本身在不断进步，留给我们不参与的借口不多了。

　　三、开源实际上更安全

　　主持人：你们都曾公开强调在主权AI背景下开源模型的重要性。为什么开源模型成为你们关注的重点？

　　Arthur Mensch：第一，人工智能是一种横向发展的技术，企业和国家最终都会愿意在自己的基础设施上部署它，所以开放性非常重要。第二，发布开源模型是一种加快人工智能发展的方式。从2010年到2020年，我们从事人工智能研究时发现了这一点，每个实验室都在彼此的基础上进一步研究，加快了技术进步。然而，随着OpenAI推出首批语言大模型，这种开源协作的氛围在一定程度上消失了。

　　我创办Mistral AI就是希望重新启动这种开源的良性循环，即我们贡献一些内容，其他实验室再贡献一些内容，一起迭代发展，加快技术进步。我们做得很好，发布模型后，Meta也开始发布模型，中国公司如DeepSeek也发布了更强大的开源模型，每个人都能从中受益。

　　黄仁勋：我完全支持开源，开源除了能加速人工智能基础研究外，还能激活大量创新和利基市场。医疗保健、生命科学、物理科学、机器人技术、交通运输等行业都因开源激发了市场活力。不要低估开源的惊人能力，尤其在一些小众但非常重要的领域，比如能源开采，谁会专门成立一家AI公司去开采能源？但这个行业又很重要，也有一定的市场，因此开源就可以激发这些领域的创新活力。

　　Arthur Mensch：你可以选择自己喜欢的任何关键任务，自己进行部署，如果仅能调用API（应用程序编程接口），是远远不够的，我们需要更多访问权限才能对模型进行全面评估。如果想确保你的系统100%准确，就不应该使用闭源模型，必须将本地数据融入模型的开发中。如果没有开源，就无法做到这一点。

　　主持人：如何看待开源对国家安全和国际合作的影响？

　　Arthur Mensch：实验室之间的合作对人类的成功来说至关重要，如果一个国家或地区决定封锁技术，放慢发展脚步，那必然会被其他国家赶超。因为一旦切断与开源的联系，维持自身竞争力的成本就太高了。人工智能是一种横向发展的技术，类似于编程语言，编程语言是开源的，所以人工智能也应该开源。

　　黄仁勋：软件是不可能被控制的，如果你想控制它，那么其他技术就会崛起并成为新的标准。问题在于，开源是否更安全？开源可以提高透明度，吸引更多人参与进来并进行审查。世界上大部分公司都建立在开源的基础之上，特别是云服务提供商，它们开源才是最安全的。大家发布在开源平台上的都是优质内容，因为审查非常严格，有无数双眼睛盯着。开源能够促进各方的合作，加速创新，提升技术水平，透明度更高更安全。

　　四、不要过度崇拜技术

　　主持人：从计算的角度来看，你认为未来最重要的趋势是什么？对于想要了解计算领域发展方向的人，你如何引导他们？

　　黄仁勋：过去10年，计算领域发生了巨大的变化，从手工编码到机器学习，从CPU（中央处理器）到GPU，从软件到人工智能，整个行业经历了彻底的变革，而且我们仍在这个变革的过程中。未来10年，变化将更加惊人。目前行业内一直在讨论扩展定律，预训练当然非常重要，现在我们还有后训练，包括思想实验、实践、辅导和指导，以及我们人类用来学习的所有技能，思考、Agent以及机器人系统，所有这些都令人兴奋。这也是为什么人们对Blackwell芯片相较于Hopper芯片算力有了巨大飞跃而感到惊讶，我们及时增强了Blackwell的推理能力。

　　其次我们看到了人工智能的各种发展方向，未来智能体、数字员工，智能机器人等物理AI都会蓬勃发展起来。物理AI当然是遵循并理解物理定律、原子定律和化学定律的AI，物理科学领域或将迎来重大突破，我对此非常兴奋，它对工业、科学、高等教育和基础研究都有深远的影响。

　　最后，我鼓励人们不要过度崇拜技术，有时候对技术过度推崇反而会让人不敢参与其中。我们所讨论的人工智能在缩小技术鸿沟方面真的发挥了重要作用，关系到世界各国企业的利益，我们都要大胆参与其中，激动人心的时刻即将到来。

　　来源：a16z（YouTube）

　　转自：中国企业家杂志，本文内容有删减

　　特别声明：本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者在两周内速来电或来函联系。